[發(fā)明專利]一種車牌智能識別方法

有效

• 申請?zhí)枺?/td>: 201811255214.8
• 申請日: 2018-10-26
• 公開（公告）號: CN109460722B
• 公開（公告）日: 2021-11-23
• 發(fā)明（設(shè)計）人: 游峰;初鑫男;李小龍;黃玲
• 申請（專利權(quán)）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06K9/62
• 代理公司: 廣州市華學知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 王東東

1.一種車牌智能識別方法，其特征在于，包括如下步驟：

S1獲取包含車牌的車輛圖像，對圖像進行預處理；

S2對預處理后的圖像進行車牌區(qū)域粗定位；

S3對車牌區(qū)域粗定位后的圖像進行車牌精定位；

具體為：

S3.1采用隨機抽樣一致性算法對粗定位后的車牌進行上下邊界擬合；

S3.2基于紋理方向場對車牌字符矯正；

S3.3采用垂直Sobel算子進行邊緣檢測；

S3.4采用垂直投影法進行左右邊界定位；

S4對精定位所得車牌圖像進行字符裁剪處理；

S5對裁剪所得字符圖像歸一化和特征提取處理；

S6采用模板匹配算法進行車牌字符自動識別。

2.根據(jù)權(quán)利要求1所述的一種車牌智能識別方法，其特征在于，所述對預處理后的圖像進行車牌區(qū)域粗定位，具體如下：

S2.1采用基于Haar特征的Adaboost分類器算法進行車牌定位；

S2.2在分類器算法定位的基礎(chǔ)上進行區(qū)域擴展完成車牌區(qū)域粗定位。

3.根據(jù)權(quán)利要求2所述的一種車牌智能識別方法，其特征在于，所述在分類器算法定位的基礎(chǔ)上進行區(qū)域擴展完成車牌區(qū)域粗定位，具體為：

設(shè)區(qū)域擴展后粗定位圖像的高H和寬W分別為：

H＝H₁+2*offset_H

W＝W₁+2*offset_W

其中，H₁、W₁為分類器算法定位圖像的高和寬，offset_H和offset_W為區(qū)域擴展偏置量；

其中，

4.根據(jù)權(quán)利要求2所述的一種車牌智能識別方法，其特征在于，所述S3.1采用隨機抽樣一致性算法對粗定位后的車牌進行上下邊界擬合，具體為：

S3.1.1將粗定位后的車牌圖像進行多閾值的自適應(yīng)二值化；

S3.1.2對每個二值圖像進行連通域分析以尋找滿足寬高比的輪廓，輪廓的判定條件為：

其中W_k、H_k為第k個連通域的寬和高；μ、η為連通域判定閾值；

尋找出所有滿足條件的矩形輪廓，記錄矩形的上下邊界點的位置，記所有上邊界點的集合為Ω^up，所有下邊界點的集合為Ω^down；

S3.1.3采用隨機抽樣一致性算法分別對上下邊界點Ω^up和Ω^down進行直線擬合。

5.根據(jù)權(quán)利要求1所述的一種車牌智能識別方法，其特征在于，所述S4對精定位所得車牌圖像進行字符裁剪處理，具體為：

S4.1采用最大類間方差法分離出車牌的字符與背景；

S4.2確定垂直方向上圖像開始裁剪位置SI_i和圖像結(jié)束裁剪位置EI_i；

S4.3根據(jù)SI_i和EI_i對圖像進行裁剪。

6.根據(jù)權(quán)利要求1所述的一種車牌智能識別方法，其特征在于，所述S5對裁剪所得字符圖像歸一化和特征提取處理，具體為：

S5.1對車牌字符圖像進行歸一化處理；

S5.2對車牌字符圖像進行特征提取。

7.根據(jù)權(quán)利要求6所述的一種車牌智能識別方法，其特征在于，所述S5.2對車牌字符圖像進行特征提取，其特征為：

將車牌字符圖像在寬度方向均分為兩部分，在高度方向上均分為三部分，分別計算每部分像素之和，并以此作為車牌字符圖像的特征向量。

8.根據(jù)權(quán)利要求1所述的一種車牌智能識別方法，其特征在于，所述S6采用模板匹配算法進行車牌字符自動識別，具體為：

首先對模板圖像進行特征提取，獲得模板圖像的特征向量，然后求得模板圖像特征向量與車牌字符圖像特征向量的歐拉距離，取最小距離的模板字符作為待識別的車牌字符；

歐拉公式表示方式為：